占據人機語(yǔ)音交互技術(shù)的制高點(diǎn)

2001/07/27

　　IT技術(shù)和市場(chǎng)的下一個(gè)熱點(diǎn)是什么？當計算能力不再是瓶頸，當計算機、手機、PDA和各種智能機器，都通過(guò)有線(xiàn)或無(wú)線(xiàn)網(wǎng)絡(luò )連接起來(lái)的時(shí)候，IT 技術(shù)的熱點(diǎn)和市場(chǎng)競爭的焦點(diǎn)是什么？是人機智能交互技術(shù)—人類(lèi)通過(guò)什么手段或技術(shù)與信息終端進(jìn)行交互，從而實(shí)現人與人、人與機器及網(wǎng)絡(luò )進(jìn)行信息溝通。

　　IT下一個(gè)熱點(diǎn)：人機智能交互

　　當PC機的利潤越來(lái)越薄，DOTCOM遭遇挫折的時(shí)候，從事文字識別開(kāi)發(fā)的漢王公司迅速崛起，把手寫(xiě)識別引入PDA的恒基偉業(yè)獲利頗豐。IBM的中文普通話(huà)連續語(yǔ)音識別系統一推出，就被漢王公司集成到聽(tīng)寫(xiě)產(chǎn)品中，一舉打敗了摩托羅拉在人機智能交互市場(chǎng)上的進(jìn)攻。

　　事實(shí)上我們正在進(jìn)入這樣的時(shí)代，近幾年來(lái)，隨著(zhù)文字識別技術(shù)、語(yǔ)音識別與合成技術(shù)的進(jìn)步，我們已經(jīng)讓計算機實(shí)現了“我寫(xiě)你認，你聽(tīng)我說(shuō)”的交互方式。實(shí)現了手機撥號用嘴說(shuō)，PDA輸入用手寫(xiě)。隨著(zhù)計算機和互聯(lián)網(wǎng)的進(jìn)一步普及、移動(dòng)智能消費類(lèi)電子產(chǎn)品的流行，人們越來(lái)越發(fā)現，需要更符合人類(lèi)生活習慣人機交互技術(shù)。從鍵盤(pán)、鼠標到掃描儀、手寫(xiě)筆，我們正朝著(zhù)讓計算機說(shuō)人話(huà)、認草書(shū)的方向快步推進(jìn)。技術(shù)趨勢和需求的拉動(dòng)都在明白無(wú)誤地告訴人們，IT下一個(gè)巨大的市場(chǎng)當然就是占世界人口五分之一的使用漢語(yǔ)人群的人機交互。實(shí)用性語(yǔ)音識別、語(yǔ)音合成技術(shù)和產(chǎn)品的需求如此巨大，無(wú)限的商機正在凸顯出在我們的眼前。

　　爭鋒，在語(yǔ)音技術(shù)的“中國區域”

　　就像鯊魚(yú)嗅到了血腥，無(wú)限的商機必然會(huì )帶來(lái)激烈的競爭，說(shuō)出來(lái)人們可能會(huì )大吃一驚。單單在讓計算機能聽(tīng)懂中國語(yǔ)、說(shuō)中國話(huà)——漢語(yǔ)語(yǔ)音識別與合成技術(shù)領(lǐng)域，就聚集了幾乎所有的世界級IT巨擎。微軟、Intel、Motorola、IBM都在這一領(lǐng)域投入巨資，顯示出他們對這個(gè)市場(chǎng)的信心。就連家電巨擎PHILIPS、松下和大量的手機廠(chǎng)商也紛紛覬覦這塊即將到口邊的“肥肉”，集中大批優(yōu)秀開(kāi)發(fā)力量進(jìn)行漢語(yǔ)語(yǔ)音技術(shù)的研究與開(kāi)發(fā)。因為誰(shuí)擁有了技術(shù)，誰(shuí)就擁有了市場(chǎng)，無(wú)論這個(gè)市場(chǎng)處在地球的哪一個(gè)角落。

　　微軟董事長(cháng)比爾·蓋茨從CEO的位置上退下來(lái)要干什么？他自己說(shuō)得好，終于可以踏下心來(lái)搞手寫(xiě)輸入和語(yǔ)音識別技術(shù)。而微軟中國研究院的主要研究方向恰恰就是中文信息處理和語(yǔ)音技術(shù)領(lǐng)域。這些國外的IT大廠(chǎng)商，在吸引國內技術(shù)人才上更是不惜血本地投入，微軟中國研究院高級研究員的年薪最少也達到幾十萬(wàn)元人民幣。這樣做的目的就是抓住語(yǔ)音識別與合成技術(shù)的命脈——人才，在這些大公司的中文語(yǔ)音實(shí)驗室里，絕大部分科研人員是國內培養多年的、畢業(yè)于幾個(gè)著(zhù)名語(yǔ)音合成技術(shù)實(shí)驗室的碩士和博士。1998年比爾·蓋茲派往中國籌建微軟研究院的李開(kāi)復博士，就是國際著(zhù)名的語(yǔ)音技術(shù)專(zhuān)家。據了解，國內中科院和清華大學(xué)兩個(gè)著(zhù)名的語(yǔ)音合成技術(shù)實(shí)驗室培養的碩士、博士生，有90%以上都進(jìn)入了國外知名廠(chǎng)商的實(shí)驗室，甚至一些還沒(méi)畢業(yè)的學(xué)生，也成為獵頭目標，在畢業(yè)之前就開(kāi)始為他們服務(wù)。甚至在國內最高水平的語(yǔ)音技術(shù)實(shí)驗室，都有關(guān)鍵技術(shù)發(fā)明人乃至項目負責人，不斷地進(jìn)入國外大公司。有的語(yǔ)音技術(shù)專(zhuān)家已經(jīng)成為外企的語(yǔ)音項目的領(lǐng)導和組織者。

　　其實(shí)，伴隨著(zhù)國外廠(chǎng)商們馬不停蹄、只爭朝夕的技術(shù)推進(jìn)，國外廠(chǎng)商的語(yǔ)音技術(shù)產(chǎn)品已經(jīng)出現在國內的市場(chǎng)上跑馬圈地了。我國某大型通信公司采用由以色列一公司開(kāi)發(fā)完成的中文語(yǔ)音合成技術(shù)，進(jìn)行電話(huà)查詢(xún)及聲訊業(yè)務(wù)，每一條電話(huà)線(xiàn)的技術(shù)使用費是1萬(wàn)元/年。國內著(zhù)名的一家軟件廠(chǎng)商，其最新推出的手寫(xiě)識別軟件即采用了美國L&H公司的語(yǔ)音合成技術(shù)，所需費用為每年幾十萬(wàn)乃至上百萬(wàn)元。冰山的一角，已經(jīng)開(kāi)始露了出來(lái)。要不了多久中文語(yǔ)音市場(chǎng)就會(huì )亂云飛渡、硝煙四起。

　　據不完全統計，目前在中國開(kāi)拓語(yǔ)音技術(shù)市場(chǎng)的外國廠(chǎng)商包括：微軟中國研究院、IBM中文語(yǔ)音研究中心、Intel中文語(yǔ)音研究中心、摩托羅拉公司、西門(mén)子公司、Dialogic公司（國際著(zhù)名電話(huà)語(yǔ)音卡生產(chǎn)商）、飛利浦公司、L&H公司、Dragon公司、朗訊公司、AT&T公司、日本松下。說(shuō)到這里，我們不禁要問(wèn)，中國人在做什么嗎？我們這些寫(xiě)方塊字操漢語(yǔ)母語(yǔ)的軟件企業(yè)、語(yǔ)音技術(shù)專(zhuān)家在做什么？中文語(yǔ)音合成——在中文軟件領(lǐng)域中我國具有一定競爭優(yōu)勢的“最后的一塊處女地”我們還敢丟嗎？

　　語(yǔ)音技術(shù)：不是說(shuō)“不”而是如何“說(shuō)”的問(wèn)題

　　我們曾經(jīng)因為別人的壟斷和歧視說(shuō)“不”，我們還可以“挑戰微軟”，擬或挑戰別的什么，但是你不能反對人家研究你的語(yǔ)言，開(kāi)發(fā)你的文字。市場(chǎng)是共同的，決不因為民族的緣故而給那一家企業(yè)例外的規則。語(yǔ)音識別技術(shù)我們已經(jīng)走在后面，而語(yǔ)音合成技術(shù)市場(chǎng)還未見(jiàn)分曉，機遇尚存，路在腳下，關(guān)鍵是看怎么走。

　　漢王因有技術(shù)在手可與微軟平坐于談判桌前，中文之星因有在手的技術(shù)方可在微軟拼音之上加掛“狂拼”。在外商IT列強強攻中文語(yǔ)音合成技術(shù)的背景下，這計算機的中國話(huà)怎么說(shuō)呢？

　　沒(méi)有成功的人總是寂寞的，如果他不能在困境之中堅守自己的選擇而隨波逐流，那么他永遠也不會(huì )有成功的那一天。當我們看見(jiàn)漢王發(fā)布它識別行草漢字的軟件時(shí)，當我們登陸北京捷通軟件公司的網(wǎng)站，聽(tīng)著(zhù)計算機（不是放錄音）真人一般說(shuō)著(zhù)IT界的新鮮事時(shí)，我們的心才稍稍感到一絲輕松，在IT技術(shù)和市場(chǎng)的數字戰線(xiàn)上，還有人在不懈地堅持著(zhù)、奮進(jìn)著(zhù)。北京捷通軟件公司，用IT圈里的俗話(huà)說(shuō)是“海龜民營(yíng)”企業(yè)。不用說(shuō)這里了名校的高才和海外歸國人材。它的老總張連毅總說(shuō)他的企業(yè)有著(zhù)非常雄厚的科技實(shí)力和先進(jìn)的經(jīng)營(yíng)管理理念。這話(huà)我還真信，為什么？因為它有一個(gè)語(yǔ)音研究實(shí)驗室，它有國際和國內語(yǔ)音技術(shù)著(zhù)名專(zhuān)家呂士楠親自擔綱，其技術(shù)實(shí)力在語(yǔ)音技術(shù)領(lǐng)域那是不言而喻的。

　　捷通公司成立的時(shí)間并不長(cháng)，但已經(jīng)為客戶(hù)提供了用于計算機電信集成系統（CTI）的語(yǔ)音合成技術(shù)、錄易漢語(yǔ)智能輸入/輸出系統，以及可聽(tīng)可說(shuō)的飛達多媒體電子郵件系統等眾多的解決方案，而這一切的核心技術(shù)，就是他們自主產(chǎn)權的中文TTS技術(shù)。其實(shí)一個(gè)年輕的民營(yíng)軟件公司要面對國內低迷的市場(chǎng)和國外IT巨頭們的打壓，想搞自己的技術(shù)研發(fā)并不是一件容易的事情，捷通人能夠取得進(jìn)步還真的說(shuō)它有先進(jìn)的管理經(jīng)營(yíng)理念，他們與中科院有關(guān)機構和清華大學(xué)語(yǔ)音合成技術(shù)實(shí)驗事合作，在科技部、市科委的大力支持下，成立民營(yíng)企業(yè)的第一個(gè)語(yǔ)音技術(shù)研究中心--捷通華聲。國內、外著(zhù)名的中文語(yǔ)音專(zhuān)家呂？？教授放棄國外幾家大公司的高薪聘請以首席科學(xué)家的身份“坐鎮”捷通華聲，這標志著(zhù)我國軟件企業(yè)在語(yǔ)音技術(shù)領(lǐng)域獨立開(kāi)發(fā)、自主產(chǎn)權的道路上邁出了嶄新的一步，從具體產(chǎn)品的開(kāi)發(fā)向關(guān)鍵技術(shù)的研究深入。

　　捷通在資金并不雄厚的情況下，將一半以上的資金用于技術(shù)開(kāi)發(fā)，其眼光和魄力的確是令人敬佩的。也許正是許多個(gè)捷通的不懈努力，才有我們在中文語(yǔ)音軟件領(lǐng)域說(shuō)“不”的資本，因為是我們自己的技術(shù)，率先讓計算機以人性化的聲音“說(shuō)”出了我們的語(yǔ)言，“說(shuō)”出了我們自己本該占領(lǐng)的市場(chǎng)。

摘自硅谷動(dòng)力